Vous êtes sur la page 1sur 12

Informatique et Sciences du Numérique

9 : LE TRAITEMENT D’IMAGES

Représentation de l’information
Algorithmique
Langages et programmation
Architectures matérielles

CONNAISSANCES ABORDEES

Numérisation : Modifier format, taille, contraste ou luminance d’images numériques


Algorithme simple : Modifier un algorithme existant pour obtenir un résultat différent
Algorithme simple : Concevoir et programmer un algorithme
Types de données : Choisir un type de donnée en fonction d’un problème à résoudre
Fonctions : Concevoir l’entête d’une fonction puis la fonction elle-même

PROBLEMATIQUE
Comment modifier une image pour améliorer son rendu et l’exploiter efficacement ?

CONDITIONS DE DEROULEMENT DE L’ACTIVITE


Phases de
Objectifs Activités
travail

A) Mise en Présenter les différentes techniques d’imagerie


situation médicale

Etre capable d’utiliser un programme existant et


modifier une partie de son code Réalisation d’algorithmes de traitement
B) Activités
Réaliser un algorithme de traitement en suivant un d’images
cahier des charges

C) Synthèse Rendre compte de manière par écrit de son Synthèse écrite avec copies d’écran
résultat

LOGICIEL UTILISE :
- Compilateur C DevC++ 4.9.9.2

DUREE : 2 Séances

1
Informatique et Sciences du Numérique

1. LES TECHNIQUES D’IMAGERIE MEDICALE

2
Informatique et Sciences du Numérique

www.cea.fr/content/download/5416/35384/file/MemoC.pdf

3
Informatique et Sciences du Numérique

2. PROGRAMME UTILISE

OBJECTIF
L’objectif est de lire une image numérique en format brut (.raw) afin de réaliser un certain nombre de traitements
de base afin d’améliorer le rendu.

LE LANGAGE C EN TRAITEMENT D’IMAGES

Le langage C est le langage le plus communément utilisé dans le domaine du traitement d'images numériques.

La principale motivation du courant emploi de ce dernier, est sa rapidité d'exécution, car le traitement d'images
requiert des ressources conséquentes, tant au niveau de la gestion de la mémoire, que de la charge processeur.

En effet, la majeure partie des traitements est basée sur le principe d'itérations (assez souvent des boucles
imbriquées sont utilisées), dans la mesure où il faut traiter tous les pixels d'une image, qui est représentée par
une matrice (ou un vecteur de vecteurs).

En outre, le langage C permet une grande maîtrise de la mémoire (gestion par pointeurs), et également, une
optimisation des accès à cette mémoire (accès directs par pointeur). De plus, il est également possible de
grandement optimiser les algorithmes.

CARACTERISTIQUES DE BASE DES IMAGES NUMERIQUES

Une image numérique est une matrice à deux dimensions, représentée du point de vue du langage C, par un
tableau à deux dimensions "[][]" (double crochets).

L’activité ne traitera pas de la gestion optimisée à proprement parler des images numériques, du point de vue de
la mémoire. Nous conviendrons donc que chaque image correspond à un emplacement mémoire de taille
prédéterminée (allocation de mémoire statique, par opposition à l'allocation de mémoire dynamique).

Définir une variable pour une image s'effectue par conséquent de la façon suivante :

unsigned char image[320][200];

Cette première déclaration permet de construire une image d'une taille de 320 pixels par 200. Le type utilisé,
"unsigned char", indique qu'il s'agit d'une image dont chaque pixel est codé sur 1 octet, soit 8 bits. 8 bits
permettent de coder 28 niveaux, soit 256 (valeurs comprises entre 0 et 255, 0 représentant le noir, et 255 le
blanc). L'image possède pour conclure, 320*200 pixels, codés chacun sur 256 niveaux (du gris dans notre cas).

Pour information, chaque image "pèsera" ainsi 64000 octets, soit 62.5 Ko.

Accéder à un pixel est relativement simple. Suivant la déclaration précédente, si l'on souhaite obtenir la valeur du
pixel présent à la position (115, 28), il suffit d'écrire :

unsigned char pixel ;


pixel = image[115][28];

Ou encore, "balayer" tous les pixels d'une image s'effectue de la façon suivante (balayage ligne par ligne) :

4
Informatique et Sciences du Numérique

for( y=0; y<HAUTEUR_IMAGE; y++ )


for( x=0; x<LARGEUR_IMAGE; x++ )
pixel = image[x][y];

FONCTIONNEMENT DU PROGRAMME

Un squelette de programme est fourni (TPImage.cpp), afin de simplifier la mise en œuvre des méthodes.

Ce programme effectue les tâches suivantes :

1. Définition de variables et de constantes utiles (cf. la liste ci-après),


2. Lecture d’une image source,
3. Ecriture de l’image traitée,
4. Affichage de l’image traitée et de l’image source, à l’aide d’un programme externe.

Les algorithmes de traitement devront être insérés entre la lecture de l’image source (étape 2) et l’écriture
de l’image traitée (étape 3).

(Toutes les variables ne seront pas utilisées dans cette activité)


Type Nom de la variable Description
unsigned char image[LARGEUR][HAUTEUR] La matrice contenant l'image source
Une matrice pour une seconde image, ou une image
unsigned char image2[LARGEUR][HAUTEUR]
temporaire (traitements multiples)
unsigned char imageT[LARGEUR][HAUTEUR] La matrice de l'image après traitement
unsigned char imageC[LARGEUR][HAUTEUR] La matrice d’une éventuellement image couleur
Le nom du fichier image à lire, et qui sera utilisée
char nomFichier[] pour tous les traitements. A modifier suivant les
traitements, par exemple : "images\\lena.raw"
Le nom du deuxième fichier image à lire. A modifier
char nomFichier2[] suivant les images utilisées, par exemple :
"images\\echoendo.raw"
Le nom du fichier image à écrire. Il s’agit du fichier
qui contiendra le résultat du ou des traitements, par
char nomFichierT[]
défaut "images\\resultat.raw". Il n’est pas utile de
modifier cette valeur
Le nom du fichier de l’image couleur, par défaut
char nomFichierC[]
"images\\lena_color.raw"
int x, y, i, j, n Variables d'itération et autres
FILE* fichier La variable fichier
Variable tampon pour stocker temporairement la
int pixel
valeur d’un pixel lors de calculs
Variable tampon pour traitements nécessitant un type
float fpixel
de flottant (dans le cas de divisions par exemple)
int histogramme[256] Vecteur contenant l’histogramme
unsigned char median[MEDIAN*MEDIAN] Tableau pour le filtre médian
char str[256] Variable texte temporaire

5
Informatique et Sciences du Numérique

EXEMPLES DE TRAITEMENT POSSIBLE :

6
Informatique et Sciences du Numérique

EXEMPLES DE RESULTAT :

NEGATIF

LUMINOSITE

CONTRASTE

FILTRE CONTOUR

7
Informatique et Sciences du Numérique

3. ACTIVITE : LE TRAITEMENT D’IMAGES BIOMEDICALES

RECOPIE DE L’IMAGE :
Ouvrir le fichier TPImage.cpp, compiler et tester le programme.

Compléter le programme afin de recopier à l’identique (nommé resultat.raw) votre image de départ.

AFFICHAGE DE L’HISTOGRAMME :

Compléter le programme en ajoutant les lignes de code suivantes :

Compiler et tester le programme.

Améliorer ce programme pour permettre l’affichage sur la console (avant le lancement de l’histogramme) de la
valeur de niveau de gris la plus présente dans l’image (ainsi que le nombre de pixels de cette valeur).

8
Informatique et Sciences du Numérique

LUMINOSITE :
Pour augmenter ou diminuer la luminosité de l’image, il suffit d’augmenter (ou diminuer) la valeur de tous les
pixels de l’image. Attention toutefois à ce que la valeur des pixels reste bien compris entre 0 et 255.

Compléter le programme afin d’augmenter la luminosité de l’image echoendo.raw. Essayer plusieurs valeurs
(20,50,90 …) et constater le résultat.

NEGATIF :
Pour réaliser le négatif d’une image, il faut modifier la valeur de chaque pixel par effet miroir (0 -> 255, 240 -> 10
…).

Compléter le programme afin de réaliser le négatif de l’image lena.raw.

SEUILLAGE :
Le seuillage est une opération très simple qui consiste à affecter à un pixel une valeur "binaire" à partir d'un seuil :
si le pixel courant est supérieur à ce seuil (par exemple 147), alors le pixel résultat vaudra 255, et sinon, il vaudra
0 (on obtient alors une image en noir et blanc, sans niveaux de gris).

Compléter le programme afin de réaliser le seuillage des images lena.raw et echoendo.raw pour plusieurs valeurs
de seuils.

Comment serait-il possible d’automatiser la valeur optimale du seuil ?

CONTRASTE :

Modifier le contraste d'une image consiste à appliquer à chaque pixel un coefficient multiplicateur (par exemple
5). Un coefficient supérieur à "1" augmentera le contraste et inférieur diminuera le contraste. Nous touchons
donc là à l'histogramme de l'image.

Ensuite, il faut bien comprendre que si l'on multiplie bêtement chaque pixel par ce coefficient, nous obtiendrons
un histogramme qui pourra être très étendu et surtout, si nous multiplions par 5 par exemple, chaque pixel verra
sa luminosité augmentée. Ce n'est pas ce que nous souhaitons obtenir, puisqu'au contraire, nous voulons que les
pixels sombres le soient davantage et que les pixels lumineux le soient d'autant plus. Cette réflexion laisse
entrevoir l'utilisation d'un seuil qui définira grosso modo ce qu'est un pixel sombre et un pixel clair (dans notre
exemple, le seuil est de "128").

Il faudra donc ramener la moitié de l'histogramme des valeurs dites sombres sous "0" (valeurs négatives) et les
valeurs dites lumineuses au-dessus de "0" (valeurs positives). Par conséquent, lorsque nous appliquerons par la
suite le coefficient multiplicateur, les valeurs négatives le seront d'autant plus et les valeurs positives également.
Il ne faut pas oublier d'ajouter la valeur du seuil à la fin de l'opération.

Dernière étape, il s'agit de reborner l'ensemble de l'histogramme sur [0..255].

Si vous souhaitez utiliser une valeur de contraste comprise entre 0 et 1, il faudra passer par des nombres
flottants en utilisant la variable tampon fpixel et en pensant à convertir les différentes variables en (float) ou en
(unsigned char).

9
Informatique et Sciences du Numérique

Réaliser une modification de contraste sur les images cyto3.raw et echoendo.raw pour différentes valeurs de
contraste (entiers).

FILTRE MOYENNEUR :

Il faut ici - pour le pixel courant [x][y] dans l'image destination - effectuer la moyenne des pixels adjacents, sur un
masque de taille 3*3. La première étape est donc de récupérer les pixels du masque.

Pour ce faire, nous pouvons écrire les accès aux pixels du masque de la façon suivante :

(la case grisée représente le centre du masque)


[x-1][y-1] [x][y-1] [x+1][y-1]
[x-1][y] [x][y] [x+1][y]
[x-1][y+1] [x][y+1] [x+1][y+1]

A partir de ce schéma, il est facile de déduire la formule écriture dans le code exemple. La moyenne est
simplement effectuée.

Pour effectuer un filtrage moyenneur 5*5, il suffit d'étendre la grille du masque, toujours centrée sur [x][y]. Pour
filtrage gaussien, il faut en plus multiplier chaque valeur de pixel par le coefficient adéquat, indiqué
préalablement dans l'énoncé.

Notons enfin que ces filtrages doivent tenir compte des effets de bord. En effet, pour un masque 3*3, il n'est pas
possible de calculer la valeur moyennée pour le pixel [0][0] par exemple (le pixel [-1][-1] n'existe pas !). De fait, il
faut commencer la boucle à 1 dans notre exemple (et à 2 si le masque est 5*5).

Réaliser sur l’image lena.raw un filtrage moyenneur avec un masque de taille 3*3.

FILTRE CONTOUR (LAPLACIEN) :

Le principe est le même que le filtre moyenneur précédent mais avec des coefficients suivants :

Réaliser un filtre contour sur les images lena.raw, echoendo.raw et echodoppler.raw.

4. POUR SE FAIRE PLAISIR ☺ …

GAUSSIEN + LAPLACIEN :
Il suffit en effet d'enchaîner les deux traitements, en utilisant une image intermédiaire, en l'occurrence image2
qui va servir pour stocker le résultat du traitement gaussien, avant de l'utiliser comme base pour le traitement
laplacien.

CONTRASTE + LAPLACIEN :

10
Informatique et Sciences du Numérique

Il suffit là encore d’enchaîner en utilisant l'image temporaire une opération de contraste suivie de l’application
d’un filtre Laplacien.

SUPERPOSITION D’IMAGES :

SOLUTION 1 :

Réaliser pixel par pixel la moyenne des images. Constater et conclure.

SOLUTION 2 :

Une autre solution consiste sur l’image 2 à connaitre la valeur du gris autour de la mésange. Pour cela, il faudrait
faire un histogramme (ici cette valeur vaut 220). Les pixels de l’image résultat correspondent soient aux pixels de
l’image 1 si les pixels de l’image 2 sont grises (220), soient dans le cas contraire aux pixels de l’image 2.

Tester et conclure.

5. POUR ALLER PLUS LOIN : REDUIRE LE BRUIT D’UNE IMAGE

Réaliser un filtre moyenneur 3*3 puis 5*5 sur les images len_bruit.raw et len_bruitfort.raw. Conclure.

Une méthode pour réduire ce bruit est d’appliquer un filtrage median. Le calcul de l'image "médian" se compose
de trois parties essentielles :

1. Création de la liste des valeurs : cette étape stocke dans un tableau l'ensemble des valeurs du masque
médian. En l'occurrence, dans notre exemple, le masque étant de 3*3, nous stockons 9 valeurs dans le
tableau défini pour (median). L'opération est assez longue d'écriture et difficilement lisible, mais il s'agit
d'une simple généralisation de la récupération des valeurs du masque lorsqu'on le déplace sur l'image, en
utilisant deux nouvelles boucles for.

2. Tri du tableau : le tableau fraîchement produit doit ensuite être trié. En effet, la valeur médiane sera
finalement celle qui sera au centre du tableau trié dans l'ordre croissant (ou décroissant). La procédure de
tri est simple, pour peu que l'on connaisse l'utilisation de la fonction C standard qsort. Cette dernière est
déclarée de la façon suivante : qsort(tableau_a_trier, taille_du_tableau, taille_dun_element,
fonction_de_comparaison).

11
Informatique et Sciences du Numérique

Le tableau est celui calculé auparavant, sa taille est MEDIAN*MEDIAN (3*3 dans notre exemple), la taille d'un
élément est celle d'un unsigned char et enfin, la fonction de comparaison est celle qui se trouve dans le code, en
haut, à savoir compare.

3. Affectation de la médiane : la valeur médiane n'a plus qu'à être affectée, en sélectionnant celle qui se
trouve en milieu de tableau.

6. SITOGRAPHIE
Bruit d’une image
http://www.01net.com/editorial/282533/comment-ca-marche-le-bruit-dimage/

Site de G. Brunet ENSTA BRETAGNE sur le traitement d’images :


http://public.enst-bretagne.fr/~brunet/

Tri rapide QSort() :


http://www.siteduzero.com/tutoriel-3-36691-le-tri-rapide-qsort.html

Imagerie médicale CEA :


www.cea.fr/content/download/5416/35384/file/MemoC.pdf

12

Vous aimerez peut-être aussi